深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
1	2026-07-18	Measurement uncertainty in laboratory medicine: a comprehensive review of frameworks, analytical performance specifications, and emerging technologies 2026-Apr-03, Laboratory medicine IF:1.0Q4 DOI:10.1093/labmed/lmag032 PMID:42204811	综述	全面回顾了实验室医学中测量不确定性的框架、分析性能规范及新兴技术	整合了传统总允许误差概念与现代测量不确定性框架，并探讨了人工智能与机器学习在患者实时质量控制中的应用	未提及具体实验验证或量化不同方法的比较结果	总结测量不确定性的方法论框架、分析性能规范和实际实施策略	医学实验室中的测量不确定性评估与质量控制	自然语言处理	NA	ISO 15189, CLSI, 生物变异分析, 六西格玛度量, 人工智能, 机器学习	深度学习, 异常检测	NA	NA	NA	NA	总允许误差, 六西格玛度量	NA
2	2026-07-17	Quantifying setup uncertainty between computed tomography guidance and magnetic resonance guidance in intramuscular metastases radiotherapy 2026-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70589 PMID:42003063	研究论文	量化CT引导与MR引导在肌肉转移瘤放疗中的设置不确定性	首次量化了使用CT引导与MR引导在肌肉寡转移瘤治疗中的剂量学差异和所需的治疗边界差异	样本量较小，仅涉及5名患者；采用合成CT模拟CT引导，可能与真实CT引导存在偏差	评估CT引导与MR引导在肌肉寡转移瘤治疗中的剂量学差异并量化所需边界	5名肌肉寡转移瘤患者	医学影像	肌肉转移瘤	MR成像、CT成像、深度学习生成合成CT	深度学习模型	图像	5名患者的多个分次影像	NA	NA	剂量参数V95、D95、均匀性指数	NA
3	2026-07-17	Mitral regurgitation detection and central/eccentric classification using transformer-based deep learning in multi-view echocardiography 2026-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70584 PMID:42003287	研究论文	提出了一种基于Transformer的深度学习框架，用于在多视角超声心动图中自动检测二尖瓣反流并区分中心性与偏心性反流	首次使用Transformer深度学习模型实现多视角超声心动图的二尖瓣反流全自动检测与分类，且性能优于单一视角（胸骨旁长轴或心尖四腔）	仅作为可行性研究，未说明模型在真实临床环境中的泛化性或对不同超声设备、操作者的适应性	开发全自动化超声心动图诊断工具，提高二尖瓣反流筛查与分类效率	二尖瓣反流患者的多视角超声心动视频	计算机视觉	二尖瓣反流	多普勒超声心动图	Transformer	视频	回顾性研究使用回顾性选择的数据集，前瞻性测试集包含217名患者	NA	Transformer	准确率、AUC	NA
4	2026-07-15	Estimating Protein Conformational States from High-Speed AFM Images with Molecular Dynamics and Deep Learning 2026-Apr-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00142 PMID:41934646	研究论文	提出DeepAFM框架，结合深度学习与分子动力学模拟，从高速原子力显微镜图像中估计蛋白质构象状态并去噪	首次将深度学习与分子动力学模拟结合用于HS-AFM图像的去噪和构象状态估计，通过模拟真实噪声和扫描滞后效应训练模型，并利用注意力机制聚焦蛋白质大尺度域运动区域	依赖分子动力学模拟生成训练数据，可能无法完全覆盖所有实验噪声类型；方法在膜蛋白SecYAEG-纳米盘复合物上验证，泛化性需进一步评估	开发一种深度学习辅助分析策略，以可靠地从噪声HS-AFM图像中估计蛋白质构象状态	膜蛋白SecYAEG-纳米盘复合物中SecA的闭合与开放构象状态	机器学习, 计算生物学	不适用	高速原子力显微镜, 分子动力学模拟	卷积神经网络, 注意力机制	图像	来自分子动力学模拟快照的模拟AFM图像数据集，具体数量未提供	PyTorch	卷积神经网络, 注意力机制	去噪效果, 构象状态估计准确度	NA
5	2026-07-15	Diagnostic performance of artificial intelligence versus conventional imaging for differentiating G2/G3 from G1 pancreatic neuroendocrine tumors: a systematic review and meta-analysis 2026-04-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02347-7 PMID:41992154	系统综述与荟萃分析	通过系统回顾和荟萃分析对比人工智能与传统影像学在区分胰腺神经内分泌肿瘤G2/G3与G1分级中的诊断性能	首次系统比较机器学习/深度学习算法与传统专家判读在胰腺神经内分泌肿瘤分级中的诊断性能，并提出理论上的序贯诊断策略	纳入研究存在异质性，且部分研究验证策略不同可能影响结果；未明确给出ML/DL模型的具体架构类型	评估不同影像学方法（特别是人工智能算法）对胰腺神经内分泌肿瘤术前分级的诊断准确性	胰腺神经内分泌肿瘤（PanNETs）患者，共17项研究，928名患者	机器学习，系统综述与荟萃分析	胰腺神经内分泌肿瘤	计算机断层扫描（CT）、磁共振成像（MRI）、内镜超声（EUS）	机器学习/深度学习模型	医学影像	17项研究，928名患者	NA	NA	敏感度，特异度， AUC（曲线下面积）	NA
6	2026-07-15	An integrated deep learning framework for effective management of surgical instruments tables based on videos 2026-Apr-13, Health care management science IF:2.3Q2 DOI:10.1007/s10729-026-09761-x PMID:41973177	研究论文	提出一种基于视觉的深度学习框架，通过实时监测手术器械的存在和使用情况，支持标准化的手术器械台管理	集成器械台分割、器械识别和手部活动追踪三个专用模块，实现对术中视频流的连续分析，显著优于现有方法	仅在简化模拟环境下使用四种代表性器械进行评估，尚未在真实手术场景中验证	开发基于计算机视觉的辅助工具，减少手术团队手工计数负担，提高手术器械管理安全性和效率	手术器械台视频流中的手术器械及其使用状态	计算机视觉	NA	NA	卷积神经网络	视频	四种常用手术器械（手术剪、镊子、敷料、弯盘）的模拟环境数据	NA	NA	准确率、交并比、精确率	NA
7	2026-07-15	Public opinion dissemination simulation based on large language model multi-agent systems 2026-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44206-z PMID:41935064	研究论文	提出一种基于大型语言模型多智能体系统的舆论传播模拟框架，整合宏观扩散模式与微观个体认知，解决传统模拟中真实感不足、行为同质化和建模成本高的问题	首次将LLM作为认知核心，结合行为概率分布模型和全局信息共享池，实现零样本冷启动的高保真舆论模拟，表现出跨场景鲁棒性并显著降低计算成本	NA	构建低开销、高保真的舆论传播模拟系统，支持危机管理	舆论传播过程中的智能体行为与语义内容生成	自然语言处理	NA	NA	大型语言模型（LLM）	文本	两个场景数据（公共政策和食品安全）	NA	NA	行为分布熵、Distinct-2指标	NA
8	2026-07-15	Synthetic data-augmented machine learning for 30-day readmission prediction in patients with chronic conditions: a retrospective real-world study 2026-Apr-03, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-108273 PMID:41932702	研究论文	提出一种结合合成数据生成的机器学习框架，用于预测慢性阻塞性肺疾病、心力衰竭和2型糖尿病患者的30天非计划再入院	利用高级重采样和深度学习技术生成合成数据来解决结果不平衡问题，并将其与可解释性分析相结合用于再入院预测	NA	开发并评估结合合成数据生成的可解释机器学习框架，预测慢性疾病患者的30天再入院风险，并识别关键预测因子	慢性阻塞性肺疾病、心力衰竭和2型糖尿病患者	机器学习	慢性阻塞性肺疾病、心力衰竭、2型糖尿病	电子健康记录数据处理、合成数据生成	集成学习模型	结构化数据和临床文本数据	COPD患者14050例，HF患者7097例，T2DM患者12735例	NA	NA	区分度	NA
9	2026-07-15	Single-channel EEG-based seizure prediction using deep learning 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44670-7 PMID:41932974	研究论文	开发了一种基于单通道脑电图的超轻量深度学习模型，用于癫痫发作预测，并在临床可用性标准下验证其性能	首次证明单通道脑电图可在临床有意义的预警时间窗内支持可靠的癫痫发作预测	NA	开发并验证基于单通道脑电图的轻量级深度学习模型，实现临床可行的癫痫发作预测	单通道脑电图信号	机器学习	癫痫	脑电图	深度学习模型	单通道脑电图频谱图	SNUH和CHB-MIT两个数据集	NA	MobileNet派生架构	准确率、假阳性率、敏感性	NA
10	2026-07-15	Predicting repurchase behavior and optimizing marketing for e-commerce users with genetic algorithms and deep learning 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45903-5 PMID:41933056	研究论文	提出一种结合深度学习与遗传算法的框架，用于预测电商用户复购行为并优化精准营销策略	首次将动态遗传算法与增强型香草记忆网络（DGA-EVMN）结合，实现复购预测与营销优化的端到端框架	未具体说明，但隐含依赖于特定电商数据集，可能影响泛化性	提升电商用户复购行为预测准确性并优化个性化营销资源分配	电商平台用户的复购行为模式及营销干预策略	机器学习	NA	NA	增强型香草记忆网络（EVMN）、动态遗传算法（DGA）	电商用户行为数据	真实世界电商数据集（具体样本量未提及）	Python	DGA-EVMN（动态遗传算法-增强型香草记忆网络）	F1值、AUC-ROC、召回率、精确率、准确率	未明确提及，但实现基于Python
11	2026-07-15	A deep learning approach to assess transendothelial cell trafficking performance 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46045-4 PMID:41933074	研究论文	本研究将流动粘附实验与基于Keras/TensorFlow的深度学习模型相结合，用于自动化评估和分类细胞跨内皮迁移阶段	首次将流动粘附实验与AI分析结合，利用深度学习实现对T细胞跨内皮迁移阶段的自动分类，提供标准化、可扩展的活细胞成像工具	仅在健康供体和胰腺癌患者来源的T细胞上训练，可能限制在其他疾病模型中的泛化能力，且未提及在不同内皮细胞类型或剪切应力条件下的全面验证	开发一种结合流动粘附实验和深度学习分析的方法，实现跨内皮细胞运输性能的快速、标准化评估	健康供体和胰腺癌患者来源的T细胞	机器学习	胰腺癌	流动粘附实验, 活细胞成像	深度学习模型	图像	健康供体T细胞和胰腺癌患者T细胞的样本，但未给出具体数量	Keras, TensorFlow	NA	准确率	NA
12	2026-07-15	Automatic lateral ventricle and choroid plexus segmentation method in infant brain MR images 2026-Apr-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02335-x PMID:41933296	研究论文	提出一种全自动深度学习方法，用于婴儿脑MR图像中侧脑室和脉络丛的联合分割	引入解剖感知损失函数，显式强制脉络丛包含在侧脑室内的拓扑约束，无需手动标注即可确保解剖一致性	研究未明确提及局限性，但可能包括数据集规模有限（总样本206例）及对运动伪影的鲁棒性需进一步验证	解决婴儿脑MRI中侧脑室和脉络丛分割的挑战，支持大规模研究脉络丛形态与早期神经发育的关系	婴儿脑T1加权磁共振图像中的侧脑室和脉络丛	数字病理学, 计算机视觉	神经发育疾病	NA	深度学习	图像	婴儿连接组项目数据集154例，内部回顾性数据集52例，总样本206例	PyTorch	U-Net	Dice分数, 95% Hausdorff距离, 平均对称表面距离	NA
13	2026-07-15	Cardiac myofibril networks induce shear stress 2026-Apr-02, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00696-1 PMID:41927581	研究论文	通过分析羊左心室心肌细胞肌原纤维网形态，建立非线性有限元模型，研究肌原纤维网络对细胞收缩过程中剪切应力的影响	首次利用深度学习分割z-discs并结合有限元模拟，证明心肌细胞肌原纤维网络而非单轴排列会诱导独特的剪切应力分布	仅限于羊左心室心肌细胞，未涉及人心脏或其他物种；模型基于二维形态数据，可能未完全反映三维结构复杂性	探究心肌细胞肌原纤维网络如何调控细胞收缩过程中的力和剪切应力	羊左心室心肌细胞及其肌原纤维网络	数字病理学	心血管疾病	深度学习、有限元建模	非线性有限元模型	图像	NA	NA	NA	NA	NA
14	2026-07-15	A novel approach for disease and pests detection in potato production system based on deep learning 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45575-1 PMID:41927639	研究论文	基于深度学习的马铃薯病虫害检测方法研究	首次提出在真实田间条件下利用YOLOv8-medium模型对马铃薯四种生物胁迫（晚疫病、叶斑病、卷叶病毒、科罗拉多马铃薯甲虫）进行检测，并在多季节、多生长阶段数据上验证了模型的鲁棒性	数据仅来自巴基斯坦两个研究农场，缺乏跨区域和跨季节的广泛验证	开发基于深度学习的马铃薯病虫害实时检测框架以提升田间作物管理效率	马铃薯四种主要病虫害：晚疫病、叶斑病、卷叶病毒、科罗拉多马铃薯甲虫	计算机视觉	马铃薯病虫害	田间图像采集	目标检测模型	图像	2688张田间图像，其中2403张标注图像（晚疫病630张、叶斑病370张、卷叶病毒888张、科罗拉多马铃薯甲虫515张）	PyTorch	YOLOv8-medium, YOLOv7, YOLOv5, Faster R-CNN	平均精度均值mAP@0.5	NA
15	2026-07-15	Enhancing lung diseases recognition through CNN-RNN methodologies 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45842-1 PMID:41927724	研究论文	提出一种结合CNN与RNN的深度学习算法C-RNet，用于从胸部X光图像中识别肺炎和肺结核等肺部疾病	将CNN和RNN与可解释人工智能（XAI）结合，利用中间层输出的依赖性和连续性特征进行更精确的分类预测	NA	提高基于胸部X光图像的肺部疾病识别准确性，超越传统单尺度方法	胸部X光图像中肺炎和肺结核的检测与分类	计算机视觉	肺炎, 肺结核	X光成像	卷积神经网络, 循环神经网络	图像	公开数据集中的胸部X光图像	NA	C-RNet (卷积循环网络)	准确率, F1分数, 浮点运算次数, 参数量, 模型大小	NA
16	2026-07-15	HEAL: health-enhanced adaptive LoRaWAN for AI-based real-time soldier monitoring and status prediction 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44274-1 PMID:41927727	研究论文	提出HEAL框架，结合自适应LoRaWAN与深度学习，用于士兵实时健康监测与状态预测	首次将自适应LoRaWAN与AI推理结合，在动态通信约束下维持高精度健康预测，并基于大语言模型自动标注生理时间序列数据	未提及实际战场部署验证，依赖模拟环境评估，数据来源为公开数据集而非真实士兵监测数据	实现在远程资源受限环境中可靠、实时的士兵健康监测与状态预测	士兵群体的生理健康状态（基于多元生理时间序列数据）	物联网与人工智能	NA	LoRaWAN, 深度学习	BiLSTM, 基于Transformer的大语言模型	多元生理时间序列数据	使用公开数据集，具体样本量未提及	NA	BiLSTM, Transformer	准确率（94%）, Macro F1分数（95%）, 分组投递率（91%）	NA
17	2026-07-15	Emotion-driven front-end design of NEVs using an improved LSTM with LDA-based emotion mining 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45602-1 PMID:41927764	研究论文	提出一种结合语义挖掘与深度学习的框架，用于量化优化新能源车前脸造型与用户情感偏好间的映射关系	融合潜在狄利克雷分配模型提取情感维度与遗传算法优化注意力增强长短期记忆网络，实现情感驱动的设计特征生成	依赖用户生成内容质量且未考虑不同文化背景下的情感差异	构建情感驱动的数据驱动设计方法以弥合定性用户意象与定量形态特征间的鸿沟	新能源车前脸造型设计参数	机器学习	NA	潜在狄利克雷分配、粗糙集理论	长短期记忆网络	文本与图像	未明确说明	遗传算法	注意力增强长短期记忆网络	准确率	NA
18	2026-07-15	Deep learning model for pathological invasiveness prediction using smartphone-based surgical resection images in clinical stage IA lung adenocarcinoma (SuRImage): a prospective, multicentric, diagnostic study 2026-Apr, The Lancet. Digital health DOI:10.1016/j.landig.2025.100965 PMID:41927432	研究论文	利用智能手机拍摄的手术切除图像，开发深度学习模型预测临床IA期肺腺癌的病理浸润性	首次利用智能手机拍摄的手术切除图像进行术中病理浸润性预测，并采用多中心前瞻性队列验证	样本量有限，仅来自中国三家医院，且需进一步验证模型在真实临床环境中的适用性	通过手术切除图像的深度学习模型辅助临床IA期肺腺癌的快速诊断和风险分层，优化术中决策	临床IA期肺腺癌患者的手术切除标本图像	计算机视觉	肺腺癌	智能手机图像采集、深度学习	CNN	图像	1529例患者（2344个图像）来自广东省人民医院，116例患者（307个图像）来自广东医科大学附属医院，82例患者（259个图像）来自梅州市人民医院	PyTorch	ResNet	AUC	NA
19	2026-07-15	STARD3-like protein from golden noble scallop is a carotenoid transfer protein capable of binding various xanthophylls 2026-Apr, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.151788 PMID:41932487	研究论文	揭示金贵扇贝中STARD3样蛋白作为类胡萝卜素转移蛋白，能结合多种叶黄素类色素	首次证明MnSTARD3L蛋白的START结构域为水溶性类胡萝卜素结合域，并发现其对稀有氧化产物的选择性积累机制	NA	探究金贵扇贝中STARD3样蛋白的类胡萝卜素结合与转移功能	金贵扇贝的STARD3样蛋白（MnSTARD3L）	自然语言处理	NA	体外重组表达、类胡萝卜素合成大肠杆菌系统、结构建模	深度学习算法	蛋白质序列与结构数据	NA	NA	NA	NA	NA
20	2026-07-15	Beam-hardening correction in clinical x-ray dark-field chest radiography using deep-learning-based bone segmentation 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70422 PMID:41933281	研究论文	开发了一种基于深度学习的骨分割方法，用于校正临床X射线暗场胸片中的束硬化伪影	首次将深度学习骨分割与基于双能CT的材料衰减权重结合，来抑制多色X射线光谱引起的暗场信号伪影	未提及	改善暗场胸片在肺部疾病诊断中的可靠性，通过消除肋骨和锁骨引起的伪影	临床暗场胸片（包括慢性阻塞性肺疾病、COVID-19和健康患者）以及两名患者的能谱CT扫描数据	医学影像	肺部疾病	X射线暗场成像、能谱CT	深度学习分割网络	图像	196张胸片用于训练肋骨分割网络（49张验证），56张图像用于训练锁骨网络（12张验证、12张测试），174张暗场胸片用于应用（51例慢阻肺、86例新冠、37例健康）	NA	NA	视觉评估、定量一致性	NA